买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京大学申请的专利一种基于机器学习的微生物群落最优微生境识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119106344B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411506823.1，技术领域涉及：G06F18/2413；该发明授权一种基于机器学习的微生物群落最优微生境识别方法是由王瑾丰;张书博;弓赛;任洪强设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本一种基于机器学习的微生物群落最优微生境识别方法在说明书摘要公布了：本发明公开了一种基于机器学习的微生物群落最优微生境识别方法，首先获取微生物群落信息及微生境信息，并计算微生物群落评估指标；其次将微生物群落评估指标作为预测值，微生境信息作为特征值，训练机器学习模型；接着评估所述机器学习模型性能，并对微生境特征进行重要性排名，筛选关键微生境特征；最后基于所述机器学习模型，采用个体条件期望获取所述关键微生境特征的最优范围。本发明利用机器学习捕捉到微生物群落中的非线性及复杂关系，并且通过个体条件期望得到直观可用的关键微生境特征的最优范围。

本发明授权一种基于机器学习的微生物群落最优微生境识别方法在权利要求书中公布了：1.一种获取微生境特征的最优范围的方法，其特征在于，基于微生物共现网络拓扑结构计算网络拓扑系数并将所述网络拓扑系数作为微生物群落评估指标，确定所述微生物群落与微生境间的复杂关系，进而获取微生境特征的最优范围； 具体方法为： S1、获取微生物群落信息及微生境信息，基于微生物群落信息计算微生物群落评估指标； 所述微生境信息包括对微生物群落结构影响的理化因子及地理信息； 所述微生物群落信息可通过开放数据源或测序技术获取； S2、将微生物群落评估指标作为预测值，微生境信息作为特征值，训练机器学习模型； 所述机器学习模型为梯度提升回归树算法，以75％～85％的所述预测值和特征值为训练集，其余为验证集； 所述机器学习模型采用贝叶斯优化进行超参数优化，且进行若干次交叉验证； S3、评估所述机器学习模型性能，并对微生境特征进行重要性排名，筛选关键微生境特征； 所述重要性排名基于置换特征重要性获取； S4、基于所述机器学习模型，采用个体条件期望获取所述关键微生境特征的最优范围； S5、基于微生境特征最优范围与最差范围的差异微生物对关键微生境特征最优范围进行验证： 不同生化池的关键微生境特征最优范围较最差范围的功能物种丰度显著上调数量极显著高于下调数量，基于机器学习的微生物群落最优微生境识别方法得出的关键微生境特征最优范围可有效促进目标微生物群落稳定性及功能性。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京大学，其通讯地址为：210093 江苏省南京市鼓楼区汉口路22号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。